Recursive predstavio Flint, lokalni model za programiranje
Recursive je predstavio Flint, besplatan model za programiranje koji može da radi na laptopu, a kompanija navodi da je njen automatizovani istraživački sistem Eureka Machine učestvovao u gotovo svim fazama razvoja. Tim je model izgradio od početka za manje od četiri meseca. Flint ima 40 milijardi parametara, ali za pojedinačni zadatak aktivira 2,5 milijarde.
Lokalno izvršavanje i otvorena licenca
Flint je dostupan za preuzimanje preko platforme Hugging Face pod licencom Apache 2.0. Ta licenca dozvoljava slobodno korišćenje i izmene, dok lokalno izvršavanje omogućava rad bez internet veze, čuvanje izvornog koda na korisnikovom računaru i izbegavanje naknada koje servisi u oblaku obračunavaju prema količini obrađenog teksta.
Tehnička osnova modela je pristup „mešavine eksperata”. Umesto da pri svakom zahtevu koristi svih 40 milijardi parametara, Flint uključuje manji deo modela. Recursive taj izbor povezuje sa mogućnošću rada na standardnom laptopu i manjim zahtevima u odnosu na Meta Muse Spark Open, koji ima 816 milijardi parametara i traži najmanje terabajt memorije.
Brzina i merila za rešavanje grešaka
U testovima kompanije, Flint je na MacBook Pro računaru sa Apple M4 Pro čipom generisao približno 131 token u sekundi. Recursive navodi da su uporedivi modeli na istoj mašini, među njima Google Gemma 4 i Nvidia Nemotron 3.5 Lightning, ostvarili između 58 i 69 tokena u sekundi. Na Nvidia RTX Spark sistemu Flint je premašio 150 tokena u sekundi.
Na merilu SWE-Bench Verified, koje procenjuje sposobnost modela da ispravlja stvarne softverske greške, Flint je nadmašio druge modele sa manje od 50 milijardi parametara. U proseku šest testova koje je sastavio Recursive, iznad Flinta se našao samo Alibaba Qwen3.8 27B. Kompanija ipak kaže da će Flint za veće zadatke zahtevati više usmeravanja nego veliki komercijalni asistenti i preporučuje deljenje posla na manje korake.
Eureka Machine kao istraživački pomoćnik
Eureka Machine predlaže ideje, izvodi eksperimente i na osnovu rezultata bira sledeće pokušaje. Recursive tvrdi da je sistem doprineo predtreningu, naknadnoj obuci i inferenciji, uključujući ređi oblik modela, obuku sa niskom preciznošću koja je smanjila Flint za 71% uz gotovo nepromenjen kvalitet i prilagođena jezgra za ubrzanje računanja.
Širi kontekst razvoja određuje i sporazum o računarskim kapacitetima AWS-a kroz sporazum o računarskim kapacitetima AWS-a pokazuje da kompanija rast ne vezuje prvenstveno za broj zaposlenih, već za broj agenata. Dugoročni cilj je rekurzivno samousavršavanje uz ljudski nadzor i mogućnost zaustavljanja procesa ako nastane problem.
Za poslovanje Flint otvara mogućnost lokalnog asistenta za kodiranje sa otvorenom licencom, ali odluku o primeni treba zasnivati na proveri kvaliteta na konkretnim repozitorijumima, potrebnom hardveru i stepenu ljudskog nadzora nad većim zadacima.